GPT-5.6 Lunaをローカルで実行できますか？

OpenAI | 1,050,000トークンコンテキスト | 入力$0.20/M、出力$1.20/M。GPT-5.6 LunaはOpenAIのGPT-5.6シリーズの高速かつコスト効率の良いモデルです。チャット、分類、軽量エージェントワークフローなどの高ボリュームかつレイテンシーに敏感なタスクに適しており、その価格帯で優れた推論能力を提供します。

このモデルのガイド

2026年の最も安いChatGPT代替品10選：無料のローカルモデル、無料プラン、定額プラン

2026年10月のAIモデルの選び方：クローズドソースの最新情報とダウンロードすべきオープンウェイトモデル

オープンウェイト、オープンソース、API専用：実際に何ができるのか

すべてのガイド

キャプテンのメモ

Captainによる、ハウスエディター執筆

2026-10-13のメモ

GPT-5.6 Lunaは、OpenAIのGPT-5.6シリーズにおける高速かつ低コストのエントリーモデルであり、レイテンシーと価格が最大能力よりも重要な大量処理向けに設計されています。1,050,000トークンのコンテキストウィンドウとビジョンサポートを備えており、予算層のモデルとしては非常に寛大です。分類パイプライン、チャット製品、軽量エージェントを大規模に運用する場合、より重いモデルに手を伸ばす前にLunaから始めるのが明らかに適しています。

得意分野

100万トークンあたりわずか0.20ドルという非常に低い入力コスト
予算層モデルとしては1百万トークンを超えるコンテキスト
この価格帯で珍しいテキストと並列したビジョンサポート
レイテンシーに敏感な高スループットワークロード向けに調整済み
分類や軽量エージェントタスクに対応可能な推論能力

注意点

クローズドウェイト、API専用：ローカル展開やオフライン使用不可。
出力コストは入力の6倍なので、冗長なタスクは見た目以上にコストがかかる。
OpenAIの最も高性能なモデルではないため、重い推論や複雑な多段エージェントにはより大きな兄弟モデルが必要な場合がある。

最適な用途

試してみるプロンプト

サポートチケットを迅速に分類

以下は10件のカスタマーサポートメッセージです。各メッセージに対して、次のリストから1つのカテゴリを割り当ててください：Billing（請求）、Technical（技術）、Account Access（アカウントアクセス）、Feature Request（機能要望）、Other（その他）。メッセージ番号とカテゴリのみを含むJSON配列を返してください。メッセージ：1) '今月二重請求されました。' 2) 'ログイン時にアプリがクラッシュします。' 3) 'ダークモードを追加できますか？' 4) 'パスワードを忘れました。' 5) '請求書はどこですか？' 6) 'CSVへのエクスポートが壊れています。' 7) '解約したいです。' 8) '二要素認証でコードが送られてきません。' 9) 'モバイルで使えますか？' 10) 'アカウントが停止されました。'

画像からの説明と抽出

任意のウェブページやドキュメントのスクリーンショットを添付してください。見えるすべての異なるUI要素やセクションをリストアップし、価格、日付、固有名詞と思われるすべてのテキストを抽出してください。『Elements（要素）』と『Extracted Data（抽出データ）』の2つのラベル付きセクションで返してください。

軽量エージェントの計画

小規模なコンテンツワークフローの自動化を支援しています。目標はブログ投稿の公開です。エージェントが取るべき離散的なステップ、各ステップで必要なツールやAPIコール、各ステップの入力と出力、失敗する可能性のあるステップとその理由をリストアップしてください。ステップは10未満にまとめてください。

比較する

gpt-oss-20b
オープンウェイトモデル
131,072トークンのコンテキスト · $0.02/M 入力、$0.09/M 出力
GPT-6 Luna
API専用モデル
1,050,000トークンのコンテキスト · $0.10/M 入力、$0.50/M 出力
GPT-5.6 Sol
API専用モデル
1,050,000トークンのコンテキスト · $4.00/M 入力、$20.00/M 出力
GPT-6.1 Sol
API専用モデル
1,050,000トークンのコンテキスト · $2.00/M 入力、$10.00/M 出力

openaiの他のテキストモデル

よくある質問

GPT-5.6 Lunaをローカルで実行できますか？: いいえ。LunaはOpenAIのクローズドウェイトでAPI専用モデルであり、ダウンロードやオフライン実行はできません。
GPT-5.6 Lunaの価格とコンテキスト長は？: 入力は100万トークンあたり0.20ドル、出力は100万トークンあたり1.20ドルで、コンテキストウィンドウは1,050,000トークンです。
Lunaは他のGPT-5.6モデルとどう違いますか？: LunaはGPT-5.6シリーズの中で高速かつコスト効率の良い層として位置づけられており、最大の推論深度よりもレイテンシーとボリュームに最適化されています。OpenAIはシリーズ間の詳細な能力比較を公開していません。

キャプテンの評価
OpenAIの最も重い推論能力を必要とせず、そのためのコストを払いたくない大量チャットや分類構築者にとって合理的なデフォルトです。

キャプテンはモデルの説明とモデルカードからこれらのメモを書いています。価格やコンテキストサイズは執筆時点の提供元のもので、変更されることがあります。

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #9 Hottest Text / LLM model · #9 Hottest Text / LLM text model

Not this creator?

Get your own badge

GPT 5.6 Luna の人気トレンド

9 Jul 2026以降のヒートスコア

ヒートスコア

9,230°

今週

▲

7.9%

9,219° 当時、9,230° 今

今月

▲

45.4%

9,178° 当時、9,230° 今

過去1年

n/a

まだリリース/追跡されていません

7,000°

基準値

スケールは0°から9,999°までです。7,000°未満はまだどのソースも報告していないモデル用に確保されており、リストを完全に保つために仮の数値が割り当てられています。7,000°が実際のデータが始まる地点で、実データがほとんどないモデルはここに位置し、それより上の度数が測定値です。基準値自体はモデルについて何も示さず、上の度数だけがモデル間の違いを示します。

+1,901°

OpenRouterトークン

このモデルは過去30日間にOpenRouter経由で21,655,781,351,200トークンを処理しました。プロンプトと回答の合計です。10,000,000トークンごとに1ダウンロードとしてカウントし、合計2,165,578です。最終日のトークンは採用率に加算されます。出典：OpenRouter (openrouter.ai/rankings)。

+329°

普及率

ソースの2回の読み取り間で測定された1日あたり約24,506回のダウンロードです。生涯平均からの推測ではありません。速度はダウンロード項目の4分の1の重みで、新しい急増を示しつつ、1日の急激な増加が何年もの使用を上回らないようにしています。

詳細な内訳を表示

このサイトのすべての数字は確認できます。このモデルのヒートスコアは9,230°で、ここでは一つずつ要素を積み上げていき、各段階の合計を示しています：基準値、各ソースが加える度数、モデルの種類によるボーナス、そして重みの年齢による減算。色は上のチャートの帯を表しています。最後の用語集で全ての用語を定義しています。

1
基準値から始めます。
なぜ7,000°でゼロではないのか：スケールは0°から9,999°までで、7,000°未満はまだどのソースも報告していないモデル用に確保されており、仮の数値が割り当てられてリストを完全に保ち、データのあるモデルより上位にならないようにしています。7,000°が実際のデータが始まる地点です。実データがほとんどないモデルはここに位置し、それ以降が測定値で、基準値の上には10段階の10倍増が300°ずつあります。基準値はすべてのモデルで同じなので、何も決めません。違いを決めるのはその上の度数です。
7,000°
累計合計
2
ダウンロード数を加算します。
合計でOpenRouterトークンから2,165,578のダウンロード相当数。ダウンロード数が10倍になると同じ300°が加算されるので、サイズは重要ですがスコアを独占することはありません。
+1,901°
8,901°
累計合計
3
普及率を追加します。
現在、2回の計測間で約24,506ダウンロード/日で、重みは4分の1です。
+329°
9,230°
累計合計
=
ヒートスコア。
このモデルがこのサイトのすべてのリストでどの位置にいるか。これ以外の調整はありません。
9,230°

用語集：ここで使われている用語

ヒートスコア: モデルが今どれだけ使われていて求められているかを示す1つの数字。0°から9,999°まで。ここで「最も熱い」と言われるすべてのリストはこれで並べられています。
フロア: 実データのあるすべてのモデルが7,000°からスタートする基準点。スケールは0°から9,999°までで、フロア以下はデータのないモデル用に確保されているので、データのあるモデルは必ず上位になります。フロアは全員共通で順位には影響しません。フロアを超えた度数が実際の評価です。
ダウンロード相当数: スコアがダウンロードとして扱うすべてのものを合計：ダウンロードそのもの、各トレントシーダーは1,000、各AI Horde画像と生成サイトでの実行は1としてカウント。
対数スケール: 1ずつではなく10ずつ数えます：1,000から10,000ダウンロードに増えるのは、10,000から100,000に増えるのと同じ度数を加算。巨大なものが他を圧倒しないようにしています。
いいね: すべてのソースからのサムズアップといいね。対数スケールでダウンロードの半分の価値があります。
普及率: 2回の計測の差からわかる、今の1日あたりのダウンロード数。ダウンロード項目の4分の1の重みです。
測定済みと推定: 測定済みは、あるソースの2つの読み取り値が存在し、その差が実際のものであることを意味します。推定は、今日の合計だけがわかっていて、過去の値はモデルの寿命にわたって分配されていることを意味します。サイトはどちらを表示しているかを示します。
シーダー: トレント経由で他の人がダウンロードできるように重みのコピーをオンラインで保持している人、または同じことをするホストされたミラーのことです。それぞれが1,000ダウンロードとしてカウントされます。
AI Horde: 寄付されたコンピューターで無料で画像を生成するボランティアネットワークです。モデルで作成した画像の数は公開されており、それぞれが1ダウンロードとしてカウントされます。
生成サイト: PixAI、SeaArt、Yodayoのように、自分のモデルのコピーをホストして人々が生成できるサイトです。これらのダウンロードはCivitaiのものと同じようにカウントされ、各生成実行が1ダウンロードとして数えられます。
OpenRouterトークン: ClaudeやGPTのようなAPI経由で提供されるテキストモデルはダウンロードする重みがなく、その利用はトークン数で測定されます。トークンとはOpenRouterを通じて読み書きされたテキストの断片で、OpenRouterは多くのアプリが利用するゲートウェイです。過去30日間のトークン数を10,000,000トークンごとに1ダウンロードとしてカウントします。出典：OpenRouter (openrouter.ai/rankings)、CC BY 4.0。
完全モデル（チェックポイント）: 重みそのもので、単独で生成を行うファイルです。アドオンがこれに依存しているためボーナスがつきます。
LoRAと埋め込み: 他人の重みを特定のスタイル、キャラクター、コンセプトに向けて調整する小さなアドオンファイルです。単独では動作しません。
ファミリーと重み: モデルが基づいているベースで、SD 1.5、SDXL、Flux、Wanなどがあります。すべてのモデルはそのファミリーの重みのリリース日を継承します。
年齢: ファミリーの重みがリリースされてからの経過時間に応じて減点されます：1年で150°、最大750°まで。古いダウンロードはリストの上位を凍結して積み上げられます。
ファミリーブースト: このサイトが現在推しているファミリーのLoRAに対する小さく制限された後押しで、常に内訳に表示されます。
代替スコア: まだソースから報告がないモデルに与えられる安定した最低値で、リストが完全なままでいられます。データのあるモデルより上位には決してなりません。
新着！(猶予期間): 7日未満の新しいモデルはスコアの代わりに「新着！」と表示され、ランキングには入りません。スコアは初日から計算されますが、1日目のモデルは非常に急速に成長するため、猶予期間なしでは常に昨日リリースされたモデルが今週の#1になってしまいます。
トレンド: ある期間におけるモデルの成長が、同じ期間の典型的なモデルの成長と比べてどうかを示します。典型より速ければ上昇、遅ければ下降と読みます。
典型的なモデル: カタログの真ん中にあたるモデルで、数値があるモデルの半分はこの期間により速く成長し、半分は遅く成長しています。

このモデルの人気がカタログ全体と比べてどう動いたかを示してるよ。期間ごとのダウンロード数、いいね数、使用数の伸びを、同じ期間の普通のモデルの伸びと比べてる。熱スコアもその時点のものだよ。普通の伸びより上なら人気が上がってる、下なら下がってるってこと。過去のデータは今日の合計、モデルの初日、ダウンロード速度の2回の計測から再構成してる。期間の初めに存在しなかったモデルはn/aになるよ。